| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 云工作流的研究现状 | 第12-13页 |
| 1.2.2 云计算下的隐私保护研究现状 | 第13-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-18页 |
| 第二章 相关概念与理论基础 | 第18-28页 |
| 2.1 云计算相关概念 | 第18-22页 |
| 2.1.1 云计算的定义和特点 | 第18-19页 |
| 2.1.2 云计算的服务模式及技术 | 第19-21页 |
| 2.1.3 云计算仿真平台CloudSim | 第21-22页 |
| 2.2 工作流相关理论 | 第22-25页 |
| 2.2.1 工作流的定义 | 第23-24页 |
| 2.2.2 云工作流 | 第24页 |
| 2.2.3 云工作流调度算法 | 第24-25页 |
| 2.3 云计算与隐私保护 | 第25-27页 |
| 2.3.1 隐私保护及其技术 | 第25-26页 |
| 2.3.2 云计算下的隐私保护 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 隐私感知的云工作流调度框架 | 第28-36页 |
| 3.1 云工作流模型 | 第28页 |
| 3.2 云资源使用模型 | 第28-29页 |
| 3.3 隐私感知的云工作流调度模型 | 第29-30页 |
| 3.4 考虑隐私保护需求的工作流描述语言P-WSL | 第30-33页 |
| 3.5 隐私保护需求约束冲突检测方法 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 隐私与成本感知的云工作流调度方法 | 第36-48页 |
| 4.1 问题描述 | 第36-37页 |
| 4.2 隐私与成本感知的云工作流应用模型 | 第37-38页 |
| 4.3 隐私与成本感知的云工作流调度算法 | 第38-43页 |
| 4.3.1 B-Rank | 第38-39页 |
| 4.3.2 计算任务优先级 | 第39页 |
| 4.3.3 粒子群算法 | 第39-41页 |
| 4.3.4 优化调度 | 第41-42页 |
| 4.3.5 隐私保护模型 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-46页 |
| 4.4.1 实验数据及参数 | 第44页 |
| 4.4.2 实验评估 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 隐私感知的多目标云工作流调度方法 | 第48-60页 |
| 5.1 隐私感知的多目标云工作流调度模型 | 第48-51页 |
| 5.1.1 隐私保护模型 | 第49页 |
| 5.1.2 调度完成时间 | 第49-50页 |
| 5.1.3 云资源的使用成本 | 第50-51页 |
| 5.2 多目标优化方法 | 第51-52页 |
| 5.3 隐私感知的多目标遗传方法 | 第52-56页 |
| 5.3.1 种群的初始化 | 第52-53页 |
| 5.3.2 非支配集排序 | 第53页 |
| 5.3.3 拥挤度计算 | 第53页 |
| 5.3.4 二元锦标赛策略 | 第53-54页 |
| 5.3.5 精英选择策略 | 第54-56页 |
| 5.4 实验分析及结果 | 第56-59页 |
| 5.4.1 评估方法 | 第57-58页 |
| 5.4.2 实验评估 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 已完成工作总结 | 第60页 |
| 6.2 下一步工作展望 | 第60-62页 |
| 参考 文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 附录A(攻读硕士期间学术成果) | 第68-69页 |
| 附录B(攻读硕士期间参与项目) | 第69-70页 |
| 附录C(攻读硕士期间所获得的奖项) | 第70页 |